基于RBF神经网络的开关磁阻电机在线建模及其实验验证

《基于RBF神经网络的开关磁阻电机在线建模及其实验验证》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、航空学报ActaAeronauticaetAstronauticaSinicaApr．252012V01．33No4705·714ISSN1000—6893CN11-1929／Vh髓p：Ehkxb。buaa。edu．cnhkxb《垒buaa，emcfl文章编号：1000—6893(Z012)04—0705—10基于RBF神经网络的开关磁阻电机在线建模及其实验验证蔡永红，齐瑞云+，蔡骏，邓智泉南京航空航天大学自动化学院，江苏南京210016摘要：为了获取开关磁阻电机(SRM)的精确模型，提出了一种基于径向基函数(RBF)神经网络对SRM进

2、行建模的方法，主要包括离线建模和在线建模两部分。离线建模通过实验测量得到SRM的磁链待性曲线，并利用该数据训练RBF神经网络，实现SRM磁链的离线建模；在线建模是指当SRM的运行状态发生变化时，离线模型的估计磁链与实际磁链会产生误差，通过对神经网络的输出权值进行在线调节。实现具有在线动态调节功能的SRM在线模型。为了验证该方法的可行性，针对一台12／8结构的SRM样机进行仿真和实验。结果表明SRM的离线模型和在线模型在仿真和实验条件下均能正确地估计SRM的磁链特性，而且在线模型的估汁精度高于离线模型，验证了本文的研究方法合理有效。关键词

3、：开关磁阻电机；径向基函数神经网络；离线建模}在线建模；实验验证中图分类号!V242．44；TM$30i．2文献标识码：A近年来，开关磁阻电机(SwitchedReluctanceMotor，SRM)以其结构简单、调速性能好、可靠性强、效率高和成本低等显著特点，已经广泛应用到电车驱动、家用电器、航空工业和伺服系统等领域[1]。由于SRM的双凸极结构和磁路高度饱和，所以作为SRM各种特性的基础——磁链一电流一转子位置的磁化曲线的计算相当复杂，难以获得磁链≯的解析式，因此很难建立SRM精确的数学模型。传统的建模方法有线性法[2]、函数解析法

4、睁4]和有限元分析法L5]，由于磁链一电流一转子位置特性的非线性比较严重，使用这些方法所建立的模型，在计算精度问题上都存在一定的缺陷。随着智能控制方法的发展和成熟应用，利用智能控制方法对SRM建模的成果越来越多，所建立的SRM模型的精确度也越来越高。文献[6]利用B样条方法描述电机的电磁特性。建立了电机的离线模型，并给出了仿真结果，该方法的优势是无需知道非常精确的电机特性数据；文献I-7]利用B样条方法描述SRM的磁链特性，推导出转矩、增量电感和反电势。并据此建立了SRM的在线模型，给出了仿真和实验结果，但由于B样条神经网络(BSpli

5、neNeuralNetwork，BSNN)只能估计训练工作点和工作点附近区域的值，因此BSNN-iJiI练的样本需要充分覆盖SRM的所有运行状态，才能正确地描述SRM所有运行状态下的磁链特性；文献[8]利用二进制编码遗传算法基于磁链对SRM进行建模，并将电机实际运行过程中的测量结果和仿真结果进行对比，给出了仿真结果，并验证了方法的正确性；文献[9]利用模收稿日期：2011．07-01；退修日期：2011-09—18；晕用日期：2011-12-13；网络出版时闻：2011-12-3114：06目络出版地址：WVVWcnkinet／kcms

6、／detail／111929VZ0111231．1406．001．h仃nIDOI：ONKI：11-1929／V．20111231．1406．001薹盒项目：国家自然科学基金(60904042)}南京航空航天大学研究生刨薪基地(实验室)开放基金(201001005)*通讯作者．T剖．：025-84892305-6061E．mail：ruiyunqi恼nuaa．eduarl翳焉格式lOaiYH．olRY，CaiJ．elal．Gnlinerrmdelingforswitchedreluctancemotorusingradialbaskfun

7、ctionneuralnetworkandn30X-perln-mntalvalidationActaAoronautlcaetAstronauticaSinica．2012．33(4)：705-714．藜采红，齐瑶云．藜骏．誓．基于RBF神经两络曲开关碰魅电枫在篾建模及其实验验证．兢空学报．20

8、2．33t4)：705-714．航空学报Apr．252012V01．33No．4糊控制方法，设计在线调整参数算法，建立无位置传感器SRM的在线模型，该方法无需知道精确的数学模型，且模型运算速度快，在角度估计时，采用启发式知识选取最优角度，可以

9、缩小反馈误差的影响。但本文提出的方法在低速和高速运行状态下存在一定的局限性，无法得到精确的估计结果；文献[10]利用人工神经网络(ArtificialNeuralNetwork，ANN)给出了SRM无传感运